Отрывок: Всего в базе содержится 500 уникальных людей, 5397 изображе- ний и 2042 видеопоследовательности. Тестирование на базе IJB-A производится по двум протоколам: верификация лиц и идентификация лиц [23]. Кроме этого, тестовый протокол IJB-A опреде- ляет разбиение базы на 10 блоков, каждый из кото- рых содержит 333 человека в обучающей части и 167 в тестовой. Метрики качества вычисляются на каж- дом блоке независимо, и в последствии ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Никитин, М.Ю. | - |
dc.contributor.author | Конушин, В.С. | - |
dc.contributor.author | Конушин, А.С. | - |
dc.date.accessioned | 2017-11-21 11:45:12 | - |
dc.date.available | 2017-11-21 11:45:12 | - |
dc.date.issued | 2017-10 | - |
dc.identifier | Dspace\SGAU\20171119\66090 | ru |
dc.identifier.citation | Никитин, М.Ю. Нейросетевая модель распознавания человека по лицу в видеопоследовательности с оценкой полезности кадров / М.Ю. Никитин, В.С. Конушин, А.С. Конушин // Компьютерная оптика. – 2017. – Т. 41, № 5. – С. 732-742. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2017-41-5-732-742 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Neirosetevaya-model-raspoznavaniya-cheloveka-po-licu-v-videoposledovatelnosti-s-ocenkoi-poleznosti-kadrov-66090 | - |
dc.description.abstract | Данная работа посвящена задаче распознавания людей по лицу в видеопоследовательности. В работе предложена нейросетевая модель, которая для входного набора изображений лица человека строит компактное признаковое представление фиксированной размерности. Предложенная модель состоит из двух частей: модуль распознавания по изображению лица и модуль оценки качества изображения лица. Признаковые представления кадров из входного набора, полученные в результате работы модуля распознавания, агрегируются с учетом их полезности, которая оценивается модулем оценки качества. Визуальный анализ выявил, что предложенная нейронная сеть учится использовать больше полезной информации с изображений высокого качества и меньше – с размытых или перекрытых изображений. Экспериментальная оценка на базах YouTube Faces и IJB-A показала, что предложенный метод объединения признаков на основе оценок полезности изображений позволяет повысить качество распознавания по сравнению с базовыми методами агрегации. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский университет | ru |
dc.relation.ispartofseries | 41;5 | - |
dc.subject | распознавание лиц | ru |
dc.subject | анализ видео | ru |
dc.subject | нейронные сети | ru |
dc.subject | глубокое обучение | ru |
dc.subject | алгоритмы компьютерного зрения | ru |
dc.title | Нейросетевая модель распознавания человека по лицу в видеопоследовательности с оценкой полезности кадров | ru |
dc.title.alternative | Neural network model for video-based face recognition with frames quality assessment | ru |
dc.type | Article | ru |
dc.textpart | Всего в базе содержится 500 уникальных людей, 5397 изображе- ний и 2042 видеопоследовательности. Тестирование на базе IJB-A производится по двум протоколам: верификация лиц и идентификация лиц [23]. Кроме этого, тестовый протокол IJB-A опреде- ляет разбиение базы на 10 блоков, каждый из кото- рых содержит 333 человека в обучающей части и 167 в тестовой. Метрики качества вычисляются на каж- дом блоке независимо, и в последствии ... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
410517.pdf | Основная статья | 1.03 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.